光学技術でロボットのAIをリアルタイム更新

コーネル工科大学の研究チームは、光を利用してAIプロセッサのメモリを直接書き換える光学受信機を開発し、IEEE/JSAP VLSI技術と回路シンポジウムで発表した。実験では、博士研究員のYifan He氏が光学受信機のレンズを約1メートル離れた赤色LEDに設置し、接続されたモニターにQRコード状の四角形の配列が表示された。通常のQRコードとは異なり、この受信機は光のビームによって生じる光電流を使ってSRAMのビット値を直接反転させる。この光学コードはAIモデルのパラメータを伝送でき、従来の電気接続を介さずにメモリを更新する。

現在のAIチップにはSRAMが内蔵されているが、AIモデルを独立して実行するには容量が不足するため、追加のパラメータはDRAMに格納される。DRAMとプロセッサ間の電気接続は、システム規模が大きくなるとコストと効率の面でボトルネックとなる。光リンクは高い帯域幅と低損失を実現するが、既存の光学受信機は光信号を電子ビットに変換するために電力を消費するアナログ回路を必要とする。新技術では、デジタルQRコード状の行列を高速で受信し、アナログ回路なしでチップがモデルパラメータを調整できるため、消費電力が低減される。

動作原理として、DRAMは送信機とともに配置され、受信機はプロセッサのSRAMに組み込まれる。送信機から照射された光は、フォトダイオードを内蔵したSRAMセルに当たり、電流を発生させてバイナリ値を反転させる。送信機と受信機の位置が完全に一致しない場合でも、キャリブレーション回路がデータフレームを参照して各画素の位置を補正する。

現在の試作品は14x14ビットの静的な行列を照射するのみで、実用化には数百万回/秒の高速送信機が必要となる。チームは光学研究グループと協力し、高速動的行列送信機の開発を進めている。ミシガン大学のDennis Sylvester教授（IEEEフェロー）は、現在の光感応セルは従来のSRAMセルより大きく、効率上のメリットを打ち消す可能性があると指摘するが、研究チームはトランジスタサイズの最適化とCMOSスケーリングによりセルを縮小する方針である。

応用面では、ロボット倉庫や工場でのAIモデル更新における時間とエネルギーの節約が期待される。また、サイズ制約の大きいマイクロロボットにも将来的に応用可能だが、より小型の設計が必要となる。Sylvester氏は「エッジAIは大きな成長分野であり、3～5年後にはデータセンターと同様に重要な話題になるだろう」と述べている。